05/08/2020
Logística del curso
Algunos acuerdos
- Cámaras abiertas cuando sea posible (y si el internet lo permite)
- Micrófonos cerrados
- A menos que tengan preguntas
- PPT se subirá a CANVAS después de cada clase
- Aprender haciendo
- Demostraciones, ejercicios, tareas
- Dedicación de tiempo
Información general (i)
- 10 clases
- última clase: presentaciones
- Sin ayudante
- Consultas por CANVAS fuera del horario de clases
- Hora de consulta (Zoom): Todos los lunes 18:00-19:00
- A menos que se diga lo contrario
Información general (ii)
- 4 tareas: 40% (10% c/u)
- Trabajo: 50%
- Informe preliminar (10%)
- Informe final (20%)
- Presentación (20%)
- Participación
Me presento
- Pablo Aguirre Hörmann - pjaguirreh@gmail.com
- Ing. Agrónomo (UC) y MPP (U. of Chicago)
- Análisis e Inteligencia de Negocios - Superintendencia del Medio Ambiente
- https://github.com/pjaguirreh
- @PAguirreH
Ahora ustedes
¿De qué se trata este curso?
¿De qué se trata este curso?
Usar datos…
- para facilitar tareas
- para aprender algo
- para informar decisiones
- para el bien común (¿?)
Muchos datos en la actualidad
Los datos pueden ser bonitos
Los datos pueden ser informativos
Los datos pueden ser poderosos
Yeh et al., 2020. Nature
Los datos pueden ser engañosos
Los datos pueden ser peligrosos (i)
Los datos pueden ser peligrosos (ii)
Los datos pueden ser peligrosos (iii)
¿Qué hacer entonces?
Ustedes ya saben de estas cosas
- Métodos econométricos
- Gestión, representación, y análisis de datos
- Evaluación de impacto
- Otros…
Una pregunta más
Foco de este curso
Productores de análisis
Pero también mejores consumidores…
https://hbr.org/2018/10/prioritize-which-data-skills-your-company-needs-with-this-2x2-matrix
En específico
- Visualización de datos
- Manejo de datos
- Regresión/Clasificación
- Predicción vs Inferencia
- Aprendizaje no supervisado
- Automatización (¿?)
- PROGRAMACIÓN
¿Por qué programar?
Reproducibilidad (i)
Objetivo: realizar un reporte basado en datos de Datos Públicos
Reproducibilidad (i)
Objetivo: realizar un reporte basado en datos de Datos Públicos
SIN PROGRAMACIÓN
- Ingresar a la web y descargar datos
- Limpiar datos en MS Excel
- Analizar datos en Stata
- Escribir documento en MS Word
Reproducibilidad (i)
Objetivo: realizar un reporte basado en datos de Datos Públicos
SIN PROGRAMACIÓN
- Ingresar a la web y descargar datos
- Limpiar datos en MS Excel
- Analizar datos en Stata
- Escribir documento en MS Word
CON PROGRAMACIÓN
- Crear una carpeta específica para el proyecto/tarea
datosgráficosresultados
- Descargar datos desde
R - Limpiar datos en
R - Analizar datos en
R - Escribir documento en
R Markdown
Reproducibilidad (ii)
Seis meses después quieres repetir la tarea (o un/a coleg@)
Reproducibilidad (ii)
Seis meses después quieres repetir la tarea (o un/a coleg@)
SIN PROGRAMACIÓN
- Recordar que se hizo
- Ingresar a la web y descargar datos
- Limpiar datos en MS Excel y esperar no haberse olvidado de nada
- Analizar datos en Stata
- Escribir documento en MS Word
Reproducibilidad (ii)
Seis meses después quieres repetir la tarea (o un/a coleg@)
SIN PROGRAMACIÓN
- Recordar que se hizo
- Ingresar a la web y descargar datos
- Limpiar datos en MS Excel y esperar no haberse olvidado de nada
- Analizar datos en Stata
- Escribir documento en MS Word
CON PROGRAMACIÓN
- Re-correr el código
R y Tidyverse
- Hay muchos lenguajes de programación
- Hay muchas formas de escribir código en
R
Fuentes valiosas de información (i)
Fuentes valiosas de información (ii)
Suficiente bla bla…
Demo - Ejercicio
- script:
EjercicioRepasoR.R
Cosas a tener en cuenta
Tipos de datos
Pipe
%>% nos permite definir nuestras acciones como una secuencia
- Código “anidado”
estacionar(manejar(buscar(llaves), hacia = "trabajo"))
- Código como secuencia
llaves %>% buscar() %>% manejar(hacia = "trabajo") %>% estacionar()
Simpre hay más de una forma de hacer lo mismo
datos_mundo[datos_mundo$anio == 2007,] subset(datos_mundo, anio == 2007) filter(datos_mundo, anio == 2007) datos_mundo %>% filter(anio == 2007)
## # A tibble: 142 x 6 ## pais continente anio ExpVida pob gdpPercap ## <chr> <chr> <dbl> <dbl> <dbl> <dbl> ## 1 Afghanistan Asia 2007 43.8 31889923 975. ## 2 Albania Europe 2007 76.4 3600523 5937. ## 3 Algeria Africa 2007 72.3 33333216 6223. ## 4 Angola Africa 2007 42.7 12420476 4797. ## 5 Argentina Americas 2007 75.3 40301927 12779. ## 6 Australia Oceania 2007 81.2 20434176 34435. ## 7 Austria Europe 2007 79.8 8199783 36126. ## 8 Bahrain Asia 2007 75.6 708573 29796. ## 9 Bangladesh Asia 2007 64.1 150448339 1391. ## 10 Belgium Europe 2007 79.4 10392226 33693. ## # ... with 132 more rows
… incluyendo los gráficos
Además de libros y google…
Siempre consulten ?nombrefunción. Ej: ?ggplot
¿Qué se viene?
- Semana 2: Visualización de datos
- Semana 3: Manejo de datos
- Entregables: Idea de trabajo y Tarea 1